3月的加州圣何塞，黄仁勋几乎是一个人主导了一场行业性的大会。

在刚刚过去的GTC大会上，黄仁勋讲了整整两个小时的内容，和往年一样，没有客套，全是硬核。

但今年又有些不同。

开场仅2分钟，匆匆带过DLSS 5的游戏演示后，老黄就切入了正题——AI。

过去，行业总把英伟达理解为AI时代的卖铲人，但这次发布会，老黄却搬出了一座座的矿山，从Vera Rubin GPU、Groq 3 LPU推理芯片，到NemoClaw企业级代理平台、Isaac GR00T机器人模型，英伟达的触角已经不是卖铲子那么简单，而是要“一统天下”。

暴露其野心的，是会后的一场媒体访谈，当被问及全球芯片供应链紧张问题时，黄仁勋笑着说了句让所有合作伙伴后背发凉的话：

“我喜欢限制……因为在限制的世界里，你别无选择，只能选择最佳方案。”

这句话不仅仅是在秀肌肉，更是在“挟天子以令诸侯”，在AI算力短缺的当下，英伟达就是那个“最佳方案”，而“别无选择”的，除了广大的AI客户，还有那些曾经与英伟达并肩作战的合作伙伴们。

技嘉、华硕、戴尔、美光……这些曾在消费级显卡时代与英伟达共同做大PC市场的蛋糕。

但现在，在AI的黄金浪潮中，越来越多的英伟达伙伴们正陷入了一种尴尬的繁荣——订单接到手软，利润却越来越薄。

这不禁让人想起汽车行业的巨头：比亚迪。中国乃至世界唯一一家从电池、电机、电控到整车全链条自研自产的车企。

而现在，英伟达也正在上演一场硅基世界的“比亚迪化”。

从卖显卡的“算力军火商”，到掌控AI全产业链的“总承包商”。

01 英伟达要建“AI”工厂

老黄在GTC 2026提出的最核心关键词，是“AI工厂”。

所谓AI工厂，就是英伟达目前正在搭建的实体——从芯片、服务器、网络、存储到软件平台的全套解决方案。

老黄在台上花了大量时间描述这个蓝图：

未来的客户不用再分别采购GPU、CPU、液冷系统、网络设备，英伟达可以提供一整套的“交钥匙”服务，连施工图纸和模拟调试都给包了。

作为展示，英伟达拿出了Vera Rubin平台的演示。

一个机柜里，72颗Rubin GPU配36颗Vera CPU，用英伟达的NVLink 72互联，泡在英伟达设计的液冷系统里，跑在英伟达的CUDA生态上。

想要换掉其中任何一个部件？技术上行不通，商业上更不划算——因为英伟达的优化是全局的。

打个比方，很多汽车企业造车，都是采购各家零件，比如宁德时代的电池，比亚迪的电控，华为的智驾。

现在告诉你，不行，要买只能买一家的——英伟达。

老黄也很自信，买我的，价格贵是贵了，但能给你最好的体验……“你别无选择，只能选择最佳方案”。

在今年的MWC 2026会展上，无相君就听到一位不愿具名的台系服务器厂商高管抱怨，现在AI很火，订单多是多，但钱都被英伟达赚去了。

“以前做显卡，还能搞点超频版、散热、灯效，有点溢价空间。现在做AI服务器，主机怎么设计、接口怎么定、散热怎么搞，全部都要按英伟达的标准来。”

这不单单是一句抱怨。

随着英伟达对AI服务器设计标准的收紧，上下游大量合作企业自主权正在快速收缩。不同品牌的服务器，里面的布局、走线、散热方案大同小异。

现场还有另一位业内人士对无相商业趋势透露：

“做英伟达的方案，毛利很低，推AMD的方案会好很多。但问题是，客户不认……”

当然，拿下这样的垄断地位，英伟达也花了不少心思，收购Groq就是一个典型的案例。

2025年，这家初创公司的LPU（语言处理器）在推理任务上展现出威胁GPU的潜力时，英伟达果断斥资200亿美元拿下其核心资产。

不到一年，GTC 2026上，Groq 3 LPU就被集成进Vera Rubin平台，成了英伟达补齐推理短板的“王牌”。

这不是英伟达第一次这么做。

几年前，英伟达收购了Mellanox，以此掌握了高性能计算网络；而后投资Lumentum/Coherent，锁定了CPO（共封装光学）关键部件。

每次出手，要么是补生态缺口，要么就是干掉潜在威胁。

就连看似开放的软件生态，也在收紧。现在市面上几乎所有的主流大模型都是基于英伟达的编程模型CUDA开发，这意味着任何想要挑战英伟达的硬件公司，都必须先重建整个软件生态。

02 觉醒的大客户们

没有人愿意把命脉完全交到别人手里，尤其是当这个“别人”越来越强势的时候。

当英伟达的触角不断压榨上下游企业，一些大客户也正在想办法摆脱英伟达的控制。

像微软、谷歌、亚马逊、Meta这些占英伟达收入超过40%的巨头，目前都正在加速自研AI芯片。

Meta一边宣布将部署数百万颗英伟达Blackwell/Rubin GPU，一边推进自研芯片项目；

谷歌的TPU已迭代到第五代；亚马逊的Trainium和Inferentia芯片在其云服务中占比持续提升。

而这种“叛逃”在汽车行业其实早已上演：特斯拉曾是英伟达自动驾驶芯片的大客户，但后面也开始转向自研FSD芯片。

不是大家都想造芯，而是被老黄卡脖子卡的不行。

尽管自研芯片一开始可能效率不如英伟达，但长期看，不仅能解决成本问题，更能解决自主权问题。

这一点，中国的科技企业更有紧迫感。

2026年1月，阿里首次公开证实了自研AI芯片“真武810E”（内部代号PPU）的存在。

这款由平头哥研发的芯片，采用与英伟达GPU相似的GPGPU技术路线，内存96G HBM2e，片间互联带宽700GB/s，性能对标英伟达H20。

目前，它已在阿里云实现多个万卡集群部署，服务了国家电网、中科院、小鹏汽车、新浪微博等400多家客户。

根据阿里云CEO吴泳铭的财报电话会，过去四个季度，阿里在AI基础设施上的投入超过1000亿元，未来三年还将追加3800亿元。这些钱，很大一部分流向了自研芯片。

同样是2026年1月，百度也宣布分拆旗下AI芯片企业昆仑芯赴港独立上市。这家前身为百度芯片及架构部的公司，估值已达210亿元，2024年出货量6.9万片，是寒武纪的2.65倍。

业内测试显示，昆仑芯P800在跑小模型推理时，性价比超过英伟达1.5倍。

在汽车领域，蔚来更早的就开始宣布造芯片，并公布了全球首颗量产5纳米智能驾驶芯片“神玑NX9031”，这颗芯片的研发历时四年，单颗算力水平与英伟达Thor-X满血版相当，是英伟达Orin-X的四倍。

蔚来CEO李斌算了一笔账：2024年蔚来光买英伟达芯片就花了几十亿元，自研芯片一颗抵四颗，可以帮助整车成本降低至少1万元。

有消息称，部分台系服务器厂商已经开始悄悄增加AMD MI300系列和英特尔Gaudi芯片的研发投入。

“不能把所有鸡蛋放在一个篮子里”，成为越来越多合作伙伴的共识。

03 合纵连横

当然，英伟达也意识到了这个问题，所以黄仁勋的新刀法，就是捆绑销售。

你想用我的芯片，就必须要搭载我的全部。

此外，黄仁勋也是化身究极推销员，四处投资AI企业，并说服他们用自己的芯片方案，以提前锁定未来的订单。

去年，英伟达的财报出炉后，位于华尔街的Seaport Global证券公司分析师杰伊·戈德堡就提到一点担忧：

他说，英伟达为了鼓励客户多多购买自己的产品，用到了“卖方融资”的手法，简单说，就是借钱给客户，让他们来买自己的产品。

比如2025年9月，英伟达与OpenAI达成的协议：英伟达将投资高达1000亿美元，帮助OpenAI建设总成本约5000亿美元的数据中心。

根据协议，每阶段英伟达提供100亿美元融资，OpenAI自筹400亿美元，其中约300亿用于采购——英伟达的芯片（只能采购英伟达）。

但魔鬼也藏在细节里。OpenAI本身的财务状况就很糟糕：2025年上半年，营收43亿美元，亏损却高达135亿美元。有预测称，到2028年其运营亏损可能累计达740亿美元。

这意味着，OpenAI很可能需要举债近4000亿美元，来兑现它对英伟达和整个AI商业生态的落地。

万一，AI不是未来呢？OpenAI又难以变现呢？

“英伟达在人为制造需求。”戈德堡直言不讳。

短期来看，英伟达在业内的统治地位依然难以撼动。

CUDA生态、MGX架构、从训练到推理的完整产品线、与台积电等供应商的深度绑定……只要AI需求持续增长，英伟达就能继续享受垄断红利。

但历史告诉我们，没有任何企业能够永远掌控一切。

IBM曾经主宰大型机时代，微软曾经统治PC时代，它们的护城河都曾被视作不可逾越。

但新的计算模式、新的商业模式、新的挑战者也终将会出现。

而当英伟达试图控制从芯片到应用的全链条，它也就承担了整个产业链的风险，以及所有环节伙伴的敌意。

老黄说，他喜欢“限制”。

但现在，英伟达就是最大的那个“限制”。